在竞争激烈的网络经济时代，随着Internet以及Web的商业迅速发展、营销理念的更新，企业保持客户所面临的困难越来越大，企业竞争的重点是“以客户为中心”，如何加强对企业客户资源的管理、开发与利用变得更加重要。客户关系管理(CRM)自产生以来，它的相关研究与应用得到了快速发展，但在企业中CRM应用失败的案例也比比皆是。究其原因主要有两点：一是人们对CRM核心思想的理解认识不准确，二是现有企业CRM应用的体系结构不完善。因此，企业的当务之急是如何进行有效的客户关系管理，以便能够深层分析数据仓库中储存的大量客户信息，从而获得有利于企业商业运作、提高市场竞争优势的有效信息，实现CRM的理念和目标，满足现代电子商务时代的需求和挑战。

　　1 客户关系管理的特征

　　随着现代信息技术的快速发展，企业之间的竞争方式和方法也在逐步地发生转变。传统的单纯以产品为中心的企业竞争优势已经逐渐的淡化，而“以客户为中心”，能否及时、准确地响应客户需求的能力成为网络经济时代企业取得成功的关键因素。因此，企业必须能够完整地掌握客户信息，准确把握客户需求，快速响应其个性化需要，并且提供便捷的购买渠道以及良好的售后服务与经常性的客户关怀等，客户关系管理能够帮助企业实现这一目标。

　　客户关系管理的内涵是以客户信息和与企业的交易数据为基础，利用计算机信息技术，深层分析数据库中的海量数据，找出客户的不同特征，分析客户行为，然后挖掘出有商业价值的信息，从而帮助企业规划和决策相关的企业经营活动。

　　2 基于数据仓库的CRM体系结构

　　2.1 数据仓库与数据挖掘技术

　　数据仓库的创始人W.H.Inmon将数据仓库定义如下：“数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，用以支持企业或组织的决策分析处理。”

　　从CRM的角度，数据挖掘(Data Mining, DM)的应用就是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息预测未来可能发生的行为和结果，为企业经营决策、市场策划提供依据。各种类型的数据，如静态的历史数据和动态数据流数据等，都可以利用数据挖掘技术进行分析。常用的数据挖掘技术包括关联分析、序列分析、分类分析、预测分析、聚类分析以及时间序列分析等。

　　数据挖掘技术是企业实现有效的客户关系管理的引擎。数据仓库及其数据挖掘技术在企业客户关系管理系统中的应用，能够帮助企业全方位的了解客户，把握客户的特征与需求，更有效地掌握客户的行为。

　　2.2 基于数据仓库的CRM解决方案

　　基于数据仓库的CRM是：利用数据仓库与数据挖掘的理论与技术，创建能够描述并预测企业客户行为的模型，目的是优化整个CRM的流程，最终实现有效的客户关系管理。数据源、数据仓库应用系统和CRM分析系统三个部分组成了整个CRM体系结构：

　　(1)通过广泛收集企业生产、经营过程中产生的客户信息、客户行为、生产系统和其他相关数据，最终形成了数据源当中的海量数据。

　　(2)CRM中的数据仓库应用系统主要由数据仓库建设和数据仓库系统两个部分组成。数据仓库建设的功能是利用数据仓库的数据ETL和设计工具的抽取、转换、加载、刷新等功能逐步形成数据仓库；数据仓库系统具有联机分析处理(OLAP)、报表等功能，能够分析客户的整体行为和企业运营数据，针对不同的数据仓库用户提供有价值的信息。

　　(3)CRM分析系统是CRM的核心，主要有分析数据准备、客户分析数据集市、客户分析系统和企业调度监控等模块。分析数据准备模块从数据仓库中提取出进行客户分析所需要的数据，并形成客户分析数据集市；客户分析系统在客户分析数据集市的基础上，进行客户行为分组、重点客户发现和市场性能评估，其分析结果通过进一步的OLAP和报表，为市场专家经营决策、市场策划提供依据；对客户分析系统的有效性、可靠性分析由企业调度监控模块进行监管，提高企业应用CRM的成功机率。

　　3 数据仓库在CRM中的应用分析

　　CRM系统的运行是以数据仓库为基础展开的，能够为企业制订市场策略、开展营销活动提供决策支持。CRM分析系统是CRM应用的核心功能，围绕客户为中心展开，主要有客户行为分析、重点客户发现和市场性能评估等三种功能，能够应用于一对一营销、客户盈利能力分析等方面。

　　3.1 客户分级管理

　　客户分级管理是CRM中的一项重要内容。首先需要进行客户行为分析，包括整体行为分析和群体行为分析两个方面。整体行为分析能够用来帮助企业发现所有客户的行为规律，但企业的客户千差万别，进行群体行为分析更为重要。根据客户行为的不同，进行“行为分组”，将客户划分为若干个不同的、有着明显的行为特征群体，这样企业就能够发现群体客户的行为规律，更好地理解客户。行为分组也只是客户群体行为分析的开始，还需要进行客户理解、客户行为规律发现和客户组之间的交叉分析等，针对不同客户组进行的交叉分析，可以帮助企业发现客户群体间的变化规律，通过不断升级客户就能为企业带来更大的利益。与之相对应，采用数据挖掘技术，通过特征化和分类(包括聚类分析、演变分析、分类预测等)，可以把大量的客户分成不同的类，在每一个类里的客户具有相似的属性，而不同类里的客户的属性则不同。基于这些理解和规律，通过数据挖掘了解不同客户的爱好，市场专家可以制定相应的市场策略，提供有针对性的产品和服务，大大提高各类客户对企业和产品的满意度。

　　然后进行重点客户发现，其目标是找出对企业具有重要意义的客户，观察和分析客户行为对企业收益的影响，建立和维护企业与客户之间卓有成效的“一对一关系”。在客户群中，客户的盈利能力也有很大的区别。利用数据挖掘技术，从客户的交易历史纪录中发现一些行为模式，并预测客户盈利能力的高低，或者预测在不同的市场活动情况下客户盈利能力的变化，根据不同客户的盈利能力，制定相应的、有效的营销策略，以获取最有价值的客户，提高客户的忠诚度。正如戴维·卡米伦所说“若要让数据有用，就要将数据转化为营销(信息)。数据必须从“比特”和“字节”的形式转化为营销者在进行市场细分、促销和分析中需要的信息。”

　　3.2 性能评估与调度监控

　　CRM的实施成果要经得起企业销售额、客户满意度、客户忠诚度、市场份额等“硬指标”的检测。在CRM系统中设置性能评估模块，保证系统运行的有效性和可靠性，企业也能够监控和调整CRM的运行状态，与企业的经营目标始终保持一致，提高企业应用CRM的成功率。

　　比如企业通过客户行为分析、重点客户发现等进行客户分级管理，针对不同客户相应地制定市场策略和策划市场活动。然而，这些企业行为是否达到预定的目标需要进行评估，对企业进一步完善客户行为分析性能和改进市场策略非常重要。客户所提供的市场反馈是这些性能评估分析的基础。数据仓库具有数据获取与存储功能，自动地刷新客户对市场的反馈数据，这个过程被称为客户行为跟踪。在针对客户行为分析和重点客户发现过程的性能评估模块中，首先对企业的每个市场目标，设计一系列评估模板，在一定的时间范围内(以月或季度为单位)给出客户行为分析的报告，为企业进行策划和实施市场活动提供信息依据；然后要能及时跟踪市场的变化，通过一些具体的统计指标(如销售订单、访客记录等)来度量市场活动的效率，而且这些报告应该按月份更新，并可以根据市场活动的变化而及时修改。

　　4 结 语

　　随着CRM在企业经营过程中的应用，企业生产、经营和销售数据等相关信息不断累积，数据仓库已经成为企业组织、管理信息的最有效方式。基于数据仓库的CRM，具有数据挖掘和在线分析(OLAP、报表)等分析功能，帮助企业提高市场决策能力、完善经营计划、获得竞争优势。